人工智能ArtificialIntelligence第一章.ppt

人工智能 Artificial Intelligence 第一章,史忠植 中国科学院计算技术研究所 /,绪 论 Introduction,2019/7/16,1,史忠植 人工智能：绪论,2019/7/16,史忠植 人工智能：绪论,2,内容提要,1.1 什么是人工智能 1.2 人工智能的起源与发展历史 1.3 人工智能研究的基本内容 1.4 人工智能研究的主要学派 1.5 人工智能的应用 1.6 小结和展望,2019/7/16,史忠植 人工智能：绪论,3,人工智能,人工智能(Artificial Intelligence)是相对人的自然智能而言，即用人工的方法和技术,模仿、延伸和扩展人的智能, 实现某些“机器思维”。 作为一门学科，人工智能研究智能行为的计算模型，研制具有感知、推理、学习、联想、决策等思维活动的计算系统，解决需要人类专家才能处理的复杂问题。,2019/7/16,史忠植 人工智能：绪论,4,人工智能,Stuart Russell和Peter Norvig把当前有关AI的定义分成四类 ：,2019/7/16,史忠植 人工智能：绪论,5,类人行为方法,Kurzwell提出人工智能认为人工智能是一门技术，它创造出够完成一定任务的机器，而当我们人类对这些任务进行处理的时候，需要一定的智能。 方法： 对于人类做的比较好的智能任务，让计算机来完成 最著名的就是Turing测试,定理证明 下国际象棋 做外科手术 诊断疾病 ,2019/7/16,史忠植 人工智能：绪论,6,Turing测试,测试者A，被测试者B与C。 A是人，B与C一个是人，另一个是计算机。 A提出问题，B与C分别回答。 如果B与C的回答，使得A无法区分是人的回答还是计算机的回答，则计算机具有了智能。 Turing测试第一次给出了检验计算机是否具有智能的哲学说法。,2019/7/16,史忠植 人工智能：绪论,7,类人思维方法,Bellman提出人工智能是那些与人的思维、决策、问题求解和学习等有关活动的自动化。 主要采用的是认知模型的方法-是关于人类思维工作原理的可检测的理论。 如果说某个程序能够像人一样思考，那么就必须以某种方式确定人是如何思考的。为确定人类思维的内部是怎样工作的，可以有两种方法：通过内省（introspection）-在人思考过程中，掌握人自己的想法；或者通过心理学实验,2019/7/16,史忠植 人工智能：绪论,8,理性思维方法,1985年Charniak和McDermott提出人工智能是用计算模型研究智力能力。这是一种理性思维方法。 一个系统如果能根据它所知的信息(知识、时间、资源等)能够做出最好的决策，这就是理性的 当知识是完全的，并且资源是无限的时候，就是所谓的逻辑推理。 当知识是不完全的，或者资源有限时，就是理性的行为。,2019/7/16,史忠植 人工智能：绪论,9,理性行为方法,尼尔森（Nilsson）认为人工智能关心的是人工制品中的智能行为。这种人工制品主要指能够动作的主体（agent）。 行为上的理性指的是已知某些信念，执行某些动作以达到某个目标。主体（agent）可以看作是可以进行感知和执行动作的某个系统。在这种方法中，人工智能可以认为就是研究和建造理性主体（agent）。 在“理性思维”方法中，它所强调的是正确的推理。做出正确的推理有时被作为理性主体（agent）的一部分。另一方面，正确的推理并不是理性的全部，因为在有些情景下，往往没有某个行为一定是正确的，而其他的是错误的。,2019/7/16,史忠植 人工智能：绪论,10,内容提要,1.1 什么是人工智能 1.2 人工智能的起源与发展历史 1.3 人工智能研究的基本内容 1.4 人工智能研究的主要学派 1.5 人工智能的应用 1.6 小结和展望,2019/7/16,史忠植 人工智能：绪论,11,人工智能的诞生,1956: 世界上第一次正式的AI会议 美国的Dartmouth College，为期2月 John McCarthy 正式提出“Artificial Intelligence”这一术语 著名参加者：J.McCarthy、C.Shannon、M.Minsky、N.Wiener、W.McCulloch、S.Papert,2019/7/16,史忠植 人工智能：绪论,12,人工智能的发展,1958: Newell和Simon的四个预测 十年内，计算机将成为世界象棋冠军 十年内，计算机将发现或证明有意义的数学定理 十年内，计算机将能谱写优美的乐曲 十年内，计算机将能实现大多数的心理学理论 1959: Frank Rosenblatt提出感知器模型（Perceptron Model) 1959: MIT AI Lab正式成立（Minsky和McCarthy）,2019/7/16,史忠植 人工智能：绪论,13,人工智能的发展,专家系统时期 1962: McCarthy调到Stanford, 1963年创建Stanford AI Lab 1963: M. Ross Quillian开创语义网络（Semantic Nets) 1965: Feigenbaum 掌管 Stanford AI Lab; Noftsker 掌管 MIT AI Lab 1965: MIT的Joseph Weizenbaum研制出ELIZA 1965-83: Feigenbaum和Lederberg启动DENDRAL工程 1966: ALPAC的负面报告造成 美国政府取消对机器翻译的资助 1969: Minsky 和 Papert的感知机造成美国政府取消对神经网络研究的 资助。 1969: SRI研制出机器人Shakey,2019/7/16,史忠植 人工智能：绪论,14,人工智能的发展,自然语言处理 1970: Stanford的Terry Winograd等研制出（ETAOIN） SHRDLU 1970: Colmerauer研制出PROLOG语言的解释系统 1972: DARPA取消Stanford大学机器人研究(Shakey)的 资助。 1972: Mycin工程启动 1973: James Lighthill爵士的负面报告使得英国政府 取消对AI研究的资助 1976: DARPA 取消对语音识别研究的资助 1976: Greenblatt研制出第一台LISP机CONS,2019/7/16,史忠植 人工智能：绪论,15,人工智能的发展,1976: Doug Lenat的数学积分系统AM 1977: SRI启动 PROSPECTOR 工程 帮助地质专家探测和解释矿物 1978年发现钼矿脉(molybdenum vein) 1977: Edward Feigenbaum正式提出知识工程作为一门学科 在1977年IJCAI会议上 1979: Stanford研制出第一台计算机控制的汽车 1980: 第一届美国AI协会会议（AAAI）在Stanford召开。 1980: John McDermott的XCON专家系统 用于配置 VAX 机器系统,2019/7/16,史忠植 人工智能：绪论,16,人工智能的发展,知识工程时期 1981: 日本政府宣布日本五代机（即智能计算机） 1982: John Hopfield 掀起神经网络的研究 1983: MCC （Microelectronics and Computer Technology Corporation）成立（Bobby Inman 任主任） 1984: Doug Lenat在Bobby Ray Inman的劝说下在MCC开始Cyc的研究 1986: Thinking Machines Inc 研制联结机器 1987: LISP机器市场开始暗淡 1988: 386芯片使得PC机速度可以与LISP机器媲美,2019/7/16,史忠植 人工智能：绪论,17,人工智能的发展,分布式人工智能 1992: 日本政府宣布五代机计划失败。随后启动RWC计划 （Real World Computing Project） 1993: Shoham提出AOP,Agent-Oriented Programming 1994: 中科院计算所多主体系统 1997: IBM 深蓝II (Deep Blue)击败Garry Kasparov 2000: Jade，Jack， Zeus， AgentBuild 中科院计算所多主体环境MAGE,2019/7/16,史忠植 人工智能：绪论,18,人工智能的发展,机器学习和数据挖掘 1989：数据集知识发现KDD 1991：Pawlak 粗糙集专著 1992：波兰Kiekrz召开第一届粗糙集国际讨论会 1995: Vapnik提出SVM 2000: 知识发现系统MSMiner 2005：第一届IEEE国际粒度计算大会在北京召开 2012：纽约时报网站刊载文章称，“大数据时代”已经降临。美国政府拨款2亿美元启动“大数据研究 和发展倡议”计划,2019/7/16,史忠植 人工智能：绪论,19,人工智能的发展,智能科学 2002: 提出智能科学新概念 建立智能科学网站 :// 2006: 出版智能科学专著 2008：新加坡世界学术出版社出版智能科学系列丛书 2010: 智能科学刊物IJIS 2013：欧盟启动“人类大脑计划” 美国启动“BRAIN”计划,2019/7/16,史忠植 人工智能：绪论,20,内容提要,1.1 什么是人工智能 1.2 人工智能的起源与发展历史 1.3 人工智能研究的基本内容 1.4 人工智能研究的主要学派 1.5 人工智能的应用 1.6 小结和展望,2019/7/16,史忠植 人工智能：绪论,21,人工智能研究的基本内容,人工智能研究的基本内容,认知建模 知识表示 自动推理 机器学习,2019/7/16,史忠植 人工智能：绪论,22,2019/7/16,史忠植 人工智能：绪论,23,认 知,认知是和情感、动机、意志等相对的理智或认识过程。 美国心理学家Houston等人将对“认知”的看法归纳为如下五种主要类型： (1) 认知是信息的处理过程； (2) 认知是心理上的符号运算； (3) 认知是问题求解； (4) 认知是思维； (5) 认知是一组相关的活动，如知觉、记忆、思维、判断、推理、问题求解、学习、想象、概念形成、语言使用等。,2019/7/16,史忠植 人工智能：绪论,24,认知建模,人类认知过程是非常复杂的，建立认知模型的技术常称为认知建模，目的是为了从某些方面探索和研究人的思维机制，特别是人的信息处理机制，同时也为设计相应的人工智能系统提供新的体系结构和技术方法。认知科学用计算机研究人的信息处理机制时表明，在计算机的输入和输出之间存在着由输入分类、符号运算、内容存储与检索、模式识别等方面组成的实在的信息处理过程。,2019/7/16,史忠植 人工智能：绪论,25,知识表示,人类的智能活动过程主要是一个获得并运用知识的过程，知识是智能的基础。人们通过实践，认识到客观世界的规律性，经过加工整理、解释、挑选和改造而形成知识。为了使计算机具有智能，使它能模拟人类的智能行为，就必须使它具有适当形式表示的知识。知识表示是人工智能中一个十分重要的研究领域。 所谓知识表示实际上是对知识的一种描述，或者是一组约定，一种计算机可以接受的用于描述知识的数据结构。知识表示是研究机器表示知识的可行的、有效的、通用的原则和方法。知识表示问题一直是人工智能研究中最活跃的部分之一。目前，常用的知识表示方法有逻辑模式、产生式系统、框架、语义网络、状态空间、面向对象、连接主义等。,2019/7/16,史忠植 人工智能：绪论,26,自动推理,演绎推理(deductive reasoning) 归纳推理(inductive reasoning) 反绎推理(abductive reasoning),2019/7/16,史忠植 人工智能：绪论,27,自动推理,从一个或几个已知的判断(前提)逻辑地推论出一个新的判断(结论)的思维形式称为推理, 这是事物的客观联系在意识中的反映。人解决问题就是利用以往的知识, 通过推理得出结论。自动推理的理论和技术是程序推导、程序正确性证明、专家系统、智能机器人等研究领域的重要基础。,2019/7/16,史忠植 人工智能：绪论,28,正向推理,正向推理又叫向前推理、数据驱动的推理， 从已知的数据/条件/中间结论出发推导出新的结论,1. A G1 2. A G1 3. B G2 4. B G2 5. G1 & G2 G,2019/7/16,史忠植 人工智能：绪论,29,反向推理,反向推理又叫向后推理、面向目标的推理，从结论（目标）出发推导结论（目标）的前提条件。,1. G G1 & G2 2. G1 A 3. G1 A 4. G2 B 5. G2 B,2019/7/16,史忠植 人工智能：绪论,30,机器学习,Simon对学习的定义是：“如果一个系统能够通过执行某种过程而改进它的性能，这就是学习”。这个说法的要点是：学习是一个过程，其二，学习是对一个系统而言，其三，学习改变系统性能。过程、系统与改变性能是学习的三个的要点。对上述说法，第一点是自然的。第二点中的系统则相当复杂，一般是指一台计算机，但是，也可以是计算系统，甚至包括人的人机计算系统。第三点则只强调“改进系统性能”，而未限制这种“改进”的方法。,2019/7/16,史忠植 人工智能：绪论,31,机器学习,机器学习是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。只有让计算机系统具有类似人的学习能力，才有可能实现人类水平的人工智能。机器学习是人工智能研究的核心问题之一，是当前人工智能理论研究和实际应用的非常活跃的研究领域。,IJCAI国际会议的论文,Automated Reasoning Case-based Reasoning Cognitive Modelling Constraint Satisfaction Distributed AI Computer Game Playing Knowledge-based Applications Machine Learning Natural Language Processing Planning and Scheduling Qualitative Reasoning and Diagnosis,2019/7/16,史忠植 人工智能：绪论,32,IJCAI国际会议的论文,Robotics and Perception Search Software Agents Temporal Reasoning Uncertainty and Probabilistic Reasoning Neural Networks Genetic Algorithms Fuzzy Logic Philosophy of AI Knowledge Representation Knowledge Acquisition and Expert Systems,2019/7/16,史忠植 人工智能：绪论,33,2019/7/16,史忠植 人工智能：绪论,34,内容提要,1.1 什么是人工智能 1.2 人工智能的起源与发展历史 1.3 人工智能研究的基本内容 1.4 人工智能研究的主要学派 1.5 人工智能的应用 1.6 小结和展望,AI研究的主要学派,2019/7/16,史忠植 人工智能：绪论,35,符号主义,以符号处理为核心的方法 又称为自上而下和符号主义,起源于GPS,用于模拟人类问题求解过程的心理过程,逐渐形成为物理符号系统 AI的目标就是实现机器智能,而计算机自身具有符号处理功能,它本身就蕴含着推理能力,因而可能够方便地模拟逻辑思维过程 符号主义认为：人类智能的基本单元是符号，认知过程就是符号操作过程，从而思维就是符号计算,2019/7/16,史忠植 人工智能：绪论,36,符号主义,主要特征: (1)立足于逻辑运算和符号操作,适合于模拟人的逻辑思维过程,解决需要逻辑推理的复杂问题 (2)知识可用显示的符号表示,在已知基本规则的情况下,无需输入大量的细节知识 (3)便于模块化,当个别事实发生变化时,易于修改 (4)能与传统的符号数据库进行连接 (5)可对推理结论进行解释,便于对各种可能性进行选择 缺点 可以解决逻辑思维,但对于形象思维难于模拟，信息表示成符号后,并在处理或转换时,信息有丢失的情况,2019/7/16,史忠植 人工智能：绪论,37,连接主义,以网络连接为主的连接机制方法 又称为自下而上和连接主义,属于非符号处理范畴. 在现实中，人们并不仅仅依靠逻辑推理来求解问题，有时非逻辑推理还其着非常重要的作用 联结主义：人工智能可以通过仿生人类的大脑的结构来实现，它研究的内容就是神经网络。,2019/7/16,史忠植 人工智能：绪论,38,连接主义,主要特征: (1)通过神经元之间的并行协作实现信息处理,处理过程具有并行性,动态性,全局性 (2)可以实现联想的功能,便于对有噪声的信息进行处理 (3)可以通过对神经元之间连接强度的调整实现学习和分类等 (4)适合模拟人类的形象思维过程 (5)求解问题时,可以较快的得到一个近似解 缺点 不适合于解决逻辑思维, 体现结构固定和组成方案单一的系统也不适合多种知识的开发,2019/7/16,史忠植 人工智能：绪论,39,行为主义,行为主义又称为进化主义或控制论学派，是基于控制论和“动作-感知”型控制系统的人工智能学派，属于非符号处理方法 行为基本观点可以概括为： 1、知识和形式化表达和模型化方法是人工智能的重要障碍之一； 2、智能取决于感知和行动，应直接利用机器对环境作用后，环境对作用的响应为原形 3、智能行为只能现实在世界中与周围环境交互作用而表现出来 4、人工智能可以像人类智能一样逐步进化，分阶段发展和增强。,2019/7/16,史忠植 人工智能：绪论,40,2019/7/16,史忠植 人工智能：绪论,41,内容提要,1.1 什么是人工智能 1.2 人工智能的起源与发展历史 1.3 人工智能研究的基本内容 1.4 人工智能研究的主要学派 1.5 人工智能的应用 1.6 小结和展望,人工智能的应用,专家系统 数据挖掘 自然语言处理 智能机器人,模式识别 分布式人工智能 互联网智能 博弈,2019/7/16,史忠